非平衡数据分类问题是数据挖掘领域重要的研究方向之一。在非平衡分类问题中由于数据的不平衡性使得分类器对少数类数据的识别较为困难,易导致建立的模型对此类数据产生欠拟合,而少数类数据通常是研究者所关注的重点。处理非平衡分类问题可以通过过抽样方法合成新的少数类数据对原始数据进行平衡。过抽样方法大多通过简单复制原少数类数据或利用样本之间特征空间相似性来合成新数据,新产生的数据未考虑原始数据概率分布,容易产生虚假数据。而通过概率近似数据分布抽样合成少数类新样本的方法考虑数据原始概率分布,新合成的数据不仅反映数据真实规律而且具有很好的代表性。本文从数据层面和算法层面相结合的角度提出两种基于概率过抽样的非平衡数据分类方法:基于k-means和多数投票策略的概率过抽样方法。将原始多数类数据利用k-means算法进行聚类,将聚成类的多数类数据与原始少数类数据合并形成非平衡数据子集,降低数据集的整体非平衡率。通过概率过抽样方法近似数据子集少数类数据概率分布,从近似的数据分布中重抽样合成新的少数类数据。最后获得平衡的子数据集,在子数据集上建立模型得出决策矩阵,通过多数投票策略来获得数据类标签。实验分别以C4.5和Bayes分类器建立模型,通过15个KEEL非平衡数据集将本文提出的基于k-means和多数投票策略的概率过抽样方法与SMOTE,SMOTEBoost,RUSBoost和RACOG四个重抽样方法进行对比,实验表明本文提出的方法在评价指标Sensitivity,G-mean和AUC上均获得了较好的平均分类性能。基于过滤的概率过抽样方法。利用非合作博弈理论为概率过抽样合成的少数类数据决定其最可能的类标签,将数据中的非本类合成数据进行过滤,得到更高质量的少数类数据进而改善数据倾斜状况,重新平衡原始数据集。实验分别以CART和SVM分类器建立模型,将本文提出的基于过滤的概率过抽样方法PDFOS+F和RACOG+F与原始概率过抽样方法分别在8个KEEL非平衡数据集上进行对比,实验表明本文提出的PDFOS+F和RACOG+F方法在评价指标F-measure,G-mean和AUC上获得了更好的分类性能。